Financial Ratios and Discriminant A

Financial Ratios and Discriminant Analysis 599
. , _ Predicted Group Membership
Actual Group
Membership
Bankrupt
Non-Bankrupt
The actual group membership is equivalent to the a priori groupings and the
model attempts to classify correctly these firms. At this stage, the model is
basically explanatory. When new companies are classified, the nature of the
model is predictive.
The H's stand for correct classifications (Hits) and the M's stand for misclassifications
(Misses). Ml represents a Type I error and M2 a Type II error.
The sum of the diagonal elements equals the total correct "hits," and when
divided into the total number of firms classified (sixty-six in the case of the
initial sample), yields the measure of success of the MDA in classifying firms,
that is, the per cent of firms correctly classified. This percentage is analogous
to the coefficient of determination (R^) in regression analysis, which measures
the per cent of the variation of the dependent variable explained by the independent
variables.
The final criterion used to establish the best model was to observe its accuracy
in predicting bankruptcy. A series of six tests were performed.
(1) Initial Sample (Group 1). The initial sample of 33 firms in each of the
two groups is examined using data one financial statement prior to bankruptcy.
Since the discriminant coefficients and the group distributions are derived
from this sample, a high degree of successful classification is expected. This
should occur because the firms are classified using a discriminant function
which, in fact, is based upon the individual measurements of these same firms.
The classification matrix for the initial sample is as follows:
Predicted
Actual Group 1 Group 2
Type I
Type II
Total
Number
Correct
31
32
63
Per cent
Correct
94
97
95
Per cent
Error
6
3
5
Group 1
Group 2
n
33
33
66

Results (Thai) 1:

อัตราส่วนทางการเงินและการวิเคราะห์ Discriminant 599. , _ทำนายการเป็นสมาชิกกลุ่มกลุ่มจริงสมาชิกล้มละลายไม่ละลายสมาชิกกลุ่มจริงจะเท่ากับเป็น priori จัดกลุ่มและรุ่นพยายามจัดประเภทบริษัทเหล่านี้อย่างถูกต้อง ในขั้นตอนนี้ เป็นรูปแบบอธิบายโดยทั่วไป เมื่อการจัดประเภทใหม่บริษัท ลักษณะของการแบบจำลองคาดการณ์ได้ยืนของ H ถูกจัดประเภท (ปริมาณ) และขาตั้งของ M สำหรับ misclassifications(คิดถึง) Ml แสดงถึงชนิดฉันข้อผิดพลาดและ M2 มีข้อผิดพลาดชนิดที่สองผลรวมขององค์ประกอบเส้นทแยงมุมเท่ากับผลรวมถูกต้อง "อัลบั้ม และเมื่อแบ่งตามจำนวนของบริษัทที่จัด (หกหกในกรณีของการตัวอย่างแรก), ทำให้การวัดความสำเร็จของ MDA ที่ในบริษัท การจัดประเภทนั่นคือ ร้อยของบริษัทถูกจัดขึ้น เปอร์เซ็นต์นี้เป็นคู่ให้ค่าสัมประสิทธิ์การกำหนด (R ^) ในการวิเคราะห์การถดถอย การวัดร้อยละของความแปรปรวนของตัวแปรขึ้นอยู่กับอธิบาย โดยอิสระตัวแปรเงื่อนไขสุดท้ายที่ใช้ในการสร้างแบบจำลองดีที่สุดคือการ คำนึงถึงความถูกต้องของในการทำนายล้มละลาย ชุดของการทดสอบที่ 6 ดำเนินการ(1) เริ่มต้นตัวอย่าง (กลุ่ม 1) ตัวอย่างแรกของบริษัท 33 ในแต่ละกลุ่มที่สองคือตรวจสอบการใช้งบการเงินหนึ่งข้อมูลก่อนล้มละลายเนื่องจากสัมประสิทธิ์ discriminant และการกระจายของกลุ่มมาประเภทประสบความสำเร็จในระดับสูงคาดว่าจากตัวอย่างนี้ นี้ควรเกิดขึ้นเนื่องจากบริษัทมีการจัดประเภทโดยใช้ฟังก์ชัน discriminantซึ่งในความเป็นจริง จะขึ้นอยู่ตามวัดแต่ละตัวของบริษัทเหล่านี้เหมือนกันเมตริกซ์การจัดประเภทสำหรับตัวอย่างเริ่มต้นจะเป็นดังนี้:คาดการณ์ไว้จริง 1 กลุ่ม 2พิมพ์ฉันชนิด IIผลรวมหมายเลขถูกต้อง313263ร้อยละถูกต้อง949795ร้อยละข้อผิดพลาด635กลุ่ม 1กลุ่ม 2n333366

Results (Thai) 2:

อัตราส่วนทางการเงินและการวิเคราะห์จำแนก 599
. _ สมาชิกกลุ่มที่คาดการณ์
ที่เกิดขึ้นจริงกลุ่ม
สมาชิก
ล้มละลาย
ไม่ล้มละลาย
เป็นสมาชิกของกลุ่มที่เกิดขึ้นจริงจะเทียบเท่ากับการจัดกลุ่มเบื้องต้นและ
รูปแบบการพยายามที่จะแยกประเภท บริษัท เหล่านี้ได้อย่างถูกต้อง ในขั้นตอนนี้เป็นรูปแบบการ
อธิบายโดยทั่วไป เมื่อ บริษัท ใหม่ที่จะจัดลักษณะของ
รูปแบบคือการคาดการณ์.
ยืน H สำหรับการจำแนกประเภทที่ถูกต้อง (ผู้ชม) และยืน M สำหรับ misclassifications
(คิดถึง) มล. แสดงให้เห็นถึงข้อผิดพลาดประเภทที่ M2 และข้อผิดพลาดประเภท II.
ผลรวมขององค์ประกอบในแนวทแยงเท่ากับจำนวนที่ถูกต้อง "ฮิต" และเมื่อ
แบ่งออกเป็นจำนวนรวมของ บริษัท จัด (หกสิบหกในกรณีของ
ตัวอย่างเริ่มต้น) อัตราผลตอบแทนของตัวชี้วัดความสำเร็จของภาคตะวันออกเฉียงเหนือใน บริษัท จำแนก,
ที่อยู่, ร้อยละของ บริษัท ที่จัดได้อย่างถูกต้อง เปอร์เซ็นต์นี้จะคล้ายคลึง
เพื่อค่าสัมประสิทธิ์การตัดสินใจ (R ^) ในการวิเคราะห์การถดถอยซึ่งมาตรการ
ร้อยละของการเปลี่ยนแปลงของตัวแปรตามที่อธิบายไว้โดยอิสระ
ตัวแปร.
สุดท้ายเกณฑ์ที่ใช้ในการสร้างรูปแบบที่ดีที่สุดคือการสังเกตความถูกต้อง
ใน ทำนายการล้มละลาย ชุดหกทดสอบได้ดำเนินการ.
(1) ตัวอย่างครั้งแรก (กลุ่มที่ 1) ตัวอย่างแรกของ 33 บริษัท ในแต่ละ
กลุ่มที่สองคือการตรวจสอบการใช้ข้อมูลงบการเงินเป็นหนึ่งก่อนที่จะล้มละลาย.
ตั้งแต่ค่าสัมประสิทธิ์การจำแนกและการกระจายกลุ่มจะได้มา
จากตัวอย่างนี้ระดับสูงของการจัดหมวดหมู่ที่ประสบความสำเร็จเป็นที่คาดหวัง นี้
ควรเกิดขึ้นเนื่องจาก บริษัท จะจัดโดยใช้ฟังก์ชั่นแน
ซึ่งในความเป็นจริงจะขึ้นอยู่กับการวัดของแต่ละ บริษัท เหล่านี้เหมือนกัน.
เมทริกซ์สำหรับการจำแนกกลุ่มตัวอย่างเริ่มต้นจะเป็นดังนี้:
คาดการณ์
ที่เกิดขึ้นจริงกลุ่ม 1 กลุ่ม 2
ประเภท
ประเภทที่สอง
รวม
จำนวน
ที่ถูกต้อง
31
32
63
เปอร์เซ็นต์
ที่ถูกต้อง
94
97
95
ต่อร้อย
ข้อผิดพลาด
6
3
5
กลุ่มที่ 1
กลุ่มที่ 2
n
33
33
66

Results (Thai) 3:

อัตราส่วนทางการเงิน และการวิเคราะห์จำแนก 599

_ ทำนาย , กลุ่มสมาชิกกลุ่ม


จริง สมาชิกไม่ล้มละลายล้มละลาย

เป็นสมาชิกกลุ่มจริงเทียบเท่ากับระหว่างกลุ่มและความพยายามที่จะจำแนกรูปแบบ
ได้อย่างถูกต้อง บริษัท เหล่านี้ ในขั้นตอนนี้รูปแบบ
โดยทั่วไปอธิบาย . เมื่อ บริษัท ใหม่จัด ลักษณะของแบบจำลองจะทำนาย

.ยืน H สำหรับหมวดหมู่ที่ถูกต้อง ( ฮิต ) และยืน M สำหรับ misclassifications
( คิดถึง ) มิลลิลิตรเป็นประเภทที่ 1 และ 2 เป็นชนิดที่ ๒ .
ผลรวมขององค์ประกอบในแนวทแยงเท่ากับทั้งหมดที่ถูกต้อง " ฮิต " และเมื่อ
แบ่งออกเป็นจำนวนของ บริษัท ย่อย ( ครูในกรณีของ
ตัวอย่างเบื้องต้น ) สามารถวัดความสำเร็จของ MDA ในการจัดกลุ่มบริษัท
นั่นคือและร้อยละของ บริษัท ย่อยได้อย่างถูกต้อง ร้อยละนี้เทียบ
เพื่อค่าสัมประสิทธิ์ตัวกำหนด ( R
) ในการวิเคราะห์การถดถอย ซึ่งมาตรการ
ร้อยละของการเปลี่ยนแปลงของตัวแปรอธิบายโดยตัวแปรอิสระ
.
เกณฑ์สุดท้ายใช้เพื่อสร้างแบบจำลองที่ดีที่สุดเพื่อสังเกตความถูกต้อง
ในการพยากรณ์การล้มละลาย ชุดของหกทดสอบ .
( 1 ) เริ่มต้นตัวอย่าง ( กลุ่มที่ 1 ) จำนวน 33 บริษัท เริ่มต้นในแต่ละ
2 กลุ่มตรวจสอบการใช้ข้อมูลหนึ่งงบการเงินก่อนล้มละลาย
ตั้งแต่ค่าสัมประสิทธิ์จำแนกแจกแจงกลุ่มได้มา
จากตัวอย่างนี้ระดับสูงของการประสบความสำเร็จเป็นที่คาดหวัง นี้จะเกิดขึ้นเพราะบริษัท

จัดใช้จำแนกฟังก์ชันซึ่ง